在这项技术的帮助下,可以将文本内容转换为录音。可以帮助视觉障碍的人理解文本内容,可以让开车的人听取一个文本工作报告,甚至模拟某个人的声音播报一段内容、演唱一个歌曲,实现虚拟主播、虚拟歌手。
本文主要查找收集了一些较好的开源TTS引擎。这些项目有助于我们更加了解TTS的功能。
1.CoQui TTS
https://github.com/coqui-ai/TTS
这是一个在研究和生产中经过了实战考验的TTS深度学习工具包,可以以200毫秒的延迟进行流传输,支持13种语言(包括中文)。
2.mozilla TTS
https://github.com/mozilla/TTS
TTS是一个用于文本到语音生成的高级库。旨在实现易于训练、高速度和高质量的最佳平衡。 提供预训练模型,以及用于测量数据集质量的工具,支持用于产品和研究的20多种语言,包括支持中文。
3.OpenTTS
https://github.com/synesthesiam/opentts
OpenTTS是TTS最有效的开源模型之一。因为该模型支持包括中文在内的多种语言。
4.MaryTTS
https://github.com/marytts/marytts
MARY Text-to-Speech 语音合成是一个多语言TTS平台,支持英语(英国和美国)、法语、德语、意大利语、俄语等语言。
产品特点:
- 使用预处理技术,如tokenizer和数值扩展。
- 它采用多线程网络架构,并行处理多个请求。
- 它本质上是灵活的,因此您可以使用纯Java模型和外部模型。
- 它使用XML结构来提高透明度,并且对于普通用户来说易于理解。
5.eSpeak
https://github.com/espeak-ng/espeak-ng
eSpeak是一个紧凑的开源TTS引擎,可运行于Windows和Linux。支持100多种语种和语音(包括中文普通话)。
产品特点:
- 这个平台可以很容易地完成文本到语音的转换。这有助于系统理解文本的含义。
- 它带有两个合成器:eSpeakinG合成器,通过声音添加技术转换元音和响亮的辅音,以完成声音。Klatt合成器使用类似的技术,但使用减法合成。它使用数字滤波器来理解辅音、元音和响音之间的区别。
- 因为它的差异化技术和将文本转换为语音的速度优势,这个工具在2010年被谷歌翻译使用。
- 声音的音质清晰悦耳。
6.Mimic
https://github.com/MycroftAI/mimic3
Mimic是一个快如闪电的开源TTS引擎。
产品特点:
- 由于它基于FLITE技术,您可以自定义语音的声音。
- 它是一个低延迟平台,并且只占用少量的资源。
- 它可以在Linux、Android和Windows上无缝运行。
目前,该工具正在为患有语言障碍的人带来逼真的声音。
7.CMU Flite TTS
https://github.com/festvox/flite
Festival Lite通常被称为Flite。它是一个小型的运行时引擎,被认为是最快的TTS引擎之一。
由于它是一个开源引擎,并且是免费的,可以基于这个项目做许多自定义功能。因此,许多公司都选择了这个TTS引擎。
核心特点:
- 可以用于小型和大型文件。
- 它是线程安全的,其最新版本提供了一个轻松的TTS转换。
- 它与Windows、Linux和Android兼容。
- 它还提供多种语言版本。
8.MBROLA
https://github.com/numediart/MBROLA
MBROLA是Multi-Band Resynthesis OverLap Add的缩写,也是最常用的开源TTS引擎之一。它支持多种语言。
功能特点:
- 提供多语种数据库。
- 它对于内部文本到语音的转换非常有用。
- 它以前是一个非商业软件,但现在作为开源TTS引擎推出。
- 它提供了令人愉快的音质,具有一致性、准确性的声音音高。
9.mandarin-tts
https://github.com/ranchlai/mandarin-tts
这是一个模块化的中文普通话TTS语音合成框架,旨在支持研究和快速产品开发。
主要功能包括:
- 所有模块都可通过YAML配置,
- 支持并可配置说话者嵌入/韵律嵌入/多流文本嵌入,
- 适配器支持各种声码器(VocGAN、hifi-GAN、waveglow、melGAN),从而可以容易地进行不同声码器之间的比较,
- 支持持续时间/音调/能量方差预测器,并且可以容易地添加其他方差,
10.FCH-TTS
https://github.com/atomicoo/FCH-TTS
一个快速语音合成模型,适用于英语、普通话/中文、日语、韩语、俄语和藏语。
11.rhasspy piper
https://github.com/rhasspy/piper
piper是一个快速的本地语音合成系统,并针对Raspberry Pi 4(树莓)进行了优化。 支持包括中文在内的多种语言。
使用DEMO如:
echo 'Welcome to the world of speech synthesis!' | \
./piper --model en_US-lessac-medium.onnx --output_file welcome.wav